Arena 用 500 万偏好投票后训练,FLUX.2-dev 冲上 T2I 榜第二

infwinston · x · 2026-10-03

Arena 发布技术博客,介绍一种文生图模型后训练方法:将人类偏好信号与显式 rubric 奖励结合。

所属事件:Arena 组合偏好与评分表奖励后训练,FLUX.2-dev 涨 69 Elo(3 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →